datawhalechina

all-in-rag

RAG 检索增强

中文 RAG 全栈教程，从原理、检索策略到工程落地全覆盖

查看 GitHub 原始描述（英文）

🔍大模型应用开发实战一：RAG 技术全栈指南，在线阅读地址：https://datawhalechina.github.io/all-in-rag/

#ai#deepseek#embedding#kimi-k2#langchain#llama-index#llm#milvus

按钮会在新标签页打开，本站不代理、不镜像仓库内容。

相关项目

这是一个收录百余个 AI Agent、Agent Skills 与 RAG 应用的开源合集，帮开发者跳过从零搭建的环节，直接找到可运行的示例代码。最典型的用法是想做检索增强问答时，从里面挑一个 RAG 项目，读代码、跑通流程，再按自己的数据改造。

PaddleOCR 是一个轻量级 OCR 工具包，把图片和 PDF 转成结构化数据，为 LLM 与 RAG 流程补上文档解析这一环。它支持百余种语言，典型场景是批量解析扫描件、报表等文档，输出可检索的文本喂给下游检索增强。

Crawl4AI 是面向 LLM 与 AI agent 的开源爬虫和抓取工具，把任意网站转成干净、可直接喂给模型的 Markdown，省去自己清洗 HTML 的麻烦。构建 RAG 知识库时，用它批量抓取文档站点，输出的内容可直接切分入库。

mem0 是为 AI agent 和各类应用提供持久记忆的基础设施，解决对话上下文无法跨会话保留的问题。它用 Python 编写，遵循 Apache-2.0 许可。最典型的用法是接入 RAG 流程，让 agent 记住用户偏好与历史交互，下次对话直接调用，无需重复交代背景。

微软图结构 RAG，适合全局性、多跳问答

异构文档解析成结构化块，RAG 预处理标配